0
我們常說企業就是為了掙錢，學校就是可以安心做純粹科研的象牙塔，但在計算機領域，企業和學校，或者說工業界和學術界之間的人才流動、交流合作非常多，企業也都有自己的技術追求。
深度學習時代的新變化
深度學習時代的業界學界互動依然密集，常有企業與高校合作設立聯合實驗室、邀請高校教授擔任高管領導數據驅動決策的相關業務，企業自己的實驗室也頻頻向學術會議投遞論文并收獲頗豐：BAT 分別有研究性質濃厚的百度研究院、阿里達摩院、騰訊 AI Lab 和優圖實驗室，每年產出大量各個方向的頂會論文；京東、滴滴有學術性質的實驗室，向數據挖掘方向高速進發；商湯、曠視、優必選等技術導向的 AI 公司更是論文和比賽捷報頻出。
在全世界的人工智能大潮中，中國的影響力也越來越大，正在從目前的「優秀的技術實踐者」，逐漸補上「新技術的發現者」的角色。其中一部分力量當然來自于高校的學者們，中國 AI 企業們積極的技術研發和學術研究熱情也值得贊揚。
雷鋒網 AI 研習社也順應大潮，設立新的直播頻道「職播間」，依托雷鋒網 AI 研習社社群和雷鋒網在 AI 行業的影響力，邀請中國 AI 企業的工程師、管理者們講解自己企業的研發成果和技術追求，讓更多人看到中國 AI 勢力的全面發展。我們希望幫學術青年打消一些疑慮、打破一些界限，在高校中就看到技術在企業中的實際應用成果，看到在企業中繼續進行面向解決方案的技術研發、但同時也保持學術性科研的職業路徑的可能性，同時也是為企業提供宣講、招聘 AI 工程師的渠道。
「職播間」歡迎各個高校實驗室和企業研究院聯系參與。企業研究院參與職播間也將在雷鋒網學術頻道 AI 科技評論旗下數據庫項目「AI 影響因子」中加分，歡迎聯系我們。
第二期分享預告
分享主題
面向低功耗AI芯片上視覺任務的神經網絡設計
分享背景
隨著這幾年神經網絡和硬件（gpu）的迅猛發展，深度學習在很多行業包括互聯網，金融，駕駛，安防等領域都得到了廣泛的應用。然而在實際部署的時候，許多場景例如無人駕駛，安防等對設備在功耗，成本，散熱性等方面都有額外的限制，導致了無法大規模應用深度學習解決方案。在這次分享中我會先介紹下當前做AI芯片的背景，然后講解怎么從算法角度去設計適合嵌入式平臺高效的神經網絡模型，用在視覺任務中。
分享嘉賓
黃李超，本科畢業于中山大學，在帝國理工碩士畢業之后于2014年加入了百度深度學習研究院。期間研發了最早的基于全卷積網絡的目標檢測算法DenseBox, 并在KITTI, FDDB等特定物體檢測數據集上長期保持第一名。 2015年作為初創人員加入地平線，現研究方向包括深度學習系統研發，以及計算機視覺中物體檢測，語義分割等方向。
分享提綱
1. 介紹當前AI芯片概況，包括現有的深度學習硬件發展情況，以及為何要神經網絡去設計專門的芯片。
2. 從算法角度，講解如何設計高性能的神經網絡結構，使其既滿足嵌入式設備的低功耗要求，又滿足應用場景下的性能要求。
3. 分享高性價比的神經網絡，在計算機視覺領域的應用，包括實時的物體檢測，語義分割等。
4. 當前，地平線芯片量產流片，產品落地，日益強大；未來，地平線將賦能萬物，讓每個人的生活更安全、更美好。歡迎理想與才華并存的小伙伴加入地平線，“芯”懷天下，“地”造未來！地平線2019年校招火熱進行中，五大方向崗位同步開放，校招小姐姐將帶來最全的校招政策解讀，回答大家感興趣的問題。
分享時間
8 月 29 日（星期三） 20:00
直播鏈接
http://www.mooc.ai/open/course/537
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
